張宏群,馬曉群,范 偉,楊元建

(安徽省氣象科學(xué)研究所,安徽合肥230031;安徽省大氣科學(xué)與衛(wèi)星遙感重點(diǎn)實(shí)驗(yàn)室,安徽合肥230031)

降水是基礎(chǔ)的自然環(huán)境因子,是反映氣候變化影響的重要指標(biāo),降水引起的暴雨和暴雨形成的徑流直接作用于土壤表面,是土壤侵蝕的直接動(dòng)力[1]。降水尤其是山區(qū)降水的空間特征研究對(duì)防災(zāi)減災(zāi)和開發(fā)利用水資源具有重要意義,但是由于山地降水的復(fù)雜性,其空間分布的研究又具有一定難度。近些年來,國(guó)外學(xué)者對(duì)山地降水的空間分布進(jìn)行了大量研究,一些研究[2-4]將海拔高度考慮到地理統(tǒng)計(jì)中,利用回歸方程,建立降水與地形變量值如緯度、經(jīng)度、大陸度、坡度坡向的回歸方程。B.Sevruk等[5]在小流域降水分布研究中還考慮了風(fēng)和地形的影響;Marquinez等[6]考慮用許多地形變量如坡向坡度等作為多元回歸因子,求得降水空間的回歸方程,計(jì)算30 a的月平均的標(biāo)準(zhǔn)誤差為10%,為提高回歸方程計(jì)算的精度,Marquinez將研究區(qū)域的降水分為干季和濕季分別建立回歸方程。國(guó)內(nèi)學(xué)者對(duì)山地降水空間分布的研究也很活躍,孫鵬森等[7]在ANUSPLIN和GIS空間分析技術(shù)的支持下,引進(jìn)體現(xiàn)季風(fēng)方向和坡向之間耦合效應(yīng)的主風(fēng)向效應(yīng)指數(shù)(PWEI)和海拔高度等變量,采用樣條平滑技術(shù)對(duì)岷江流域月平均降水量進(jìn)行模擬,結(jié)果表明,雨季(5—9月)的預(yù)測(cè)誤差遠(yuǎn)小于旱季,說明東南季風(fēng)對(duì)迎風(fēng)坡面有明顯的致雨效應(yīng),并因PWEI的運(yùn)用提高了模擬精度;周長(zhǎng)艷等[8]利用九寨溝、黃龍地區(qū)附近代表站的降水資料及NCEP/NCAR1959—2002年共44 a月平均再分析資料,采用小波分析、合成分析等方法對(duì)該地區(qū)降水以及水汽輸送特征進(jìn)行了研究,結(jié)果表明,九寨溝、黃龍地區(qū)的降水主要集中在5—9月,干濕季明顯,7月份降水最多;蔡福等[9]以東北地區(qū)44 a共172個(gè)觀測(cè)站的四季降水資料為數(shù)據(jù)源,采用IDW、ANUSPLIN模型等多種空間插值方法,對(duì)東北地區(qū)冬、夏、年降水?dāng)?shù)據(jù)進(jìn)行空間插值精度比較,認(rèn)為ANUSPLIN模型對(duì)降水?dāng)?shù)據(jù)空間插值的相對(duì)誤差最小。ANUSPLIN模型在多變量如經(jīng)度、緯度和海拔高度等統(tǒng)計(jì)分析基礎(chǔ)上引入樣條平滑機(jī)制,并通過人機(jī)交互使歸一化交叉檢驗(yàn)值(GCV)達(dá)最低,從而達(dá)到理想的模擬精度。

本文以大別山區(qū)東段為研究對(duì)象,針對(duì)不同區(qū)域特點(diǎn),適當(dāng)增加有效的地形因子和氣象因子并結(jié)合GIS的空間分析功能,是提高山區(qū)雨季降水模擬精度的新途徑。大別山區(qū)東段屬北亞熱帶溫暖濕潤(rùn)季風(fēng)氣候區(qū),具有典型的山地氣候特征,氣候溫和,雨量充沛,年均降水量達(dá)1 832 mm,比附近地區(qū)多達(dá) 360 mm。該區(qū)域地形復(fù)雜,降水空間分布、時(shí)間分布的變化較大,是暴雨頻繁發(fā)生的地區(qū),降水與地理空間有一定的關(guān)系,是研究水資源、洪澇和地質(zhì)災(zāi)害的理想?yún)^(qū)域。大別山區(qū)東段雨季降水的空間分布模擬對(duì)提高該山區(qū)旱澇預(yù)報(bào)水平、防災(zāi)減災(zāi)以及開發(fā)利用山區(qū)農(nóng)業(yè)氣候資源及水資源綜合利用都有重要意義。大別山區(qū)東段的幾大水庫(kù)也是合肥、六安等城市的飲用水源地,因而對(duì)大別山區(qū)東段降水的分布模擬具有重要的區(qū)域社會(huì)安全價(jià)值。本文借鑒主風(fēng)向效應(yīng)指數(shù)(PWEI)思路,并增加有效的地形因子和氣象因子及其耦合效應(yīng)指數(shù),考慮大別山區(qū)東段最大降水高度,加入海拔較高的氣候考察站的數(shù)據(jù),采用簡(jiǎn)單易行的統(tǒng)計(jì)回歸模型的方法對(duì)大別山區(qū)東段雨季降水進(jìn)行模擬,較好地提高了山區(qū)降水模擬的精度。

1 研究區(qū)概況、資料和研究方法

1.1 研究區(qū)概況

研究區(qū)位于115°21.96′—117°29.84′E;29°58.48′—32°6.88′N的范圍,包括安徽省境內(nèi)的大別山區(qū)以及向東緩沖30 km的區(qū)域(圖1)。為東北—西南走向,是長(zhǎng)江與淮河水系的分水嶺,海拔通常在500～800 m之間,主峰部分海拔1 500 m左右。

圖1 大別山區(qū)東段及氣象臺(tái)站和氣候考察站分布

1.2 研究資料

研究所需氣象資料分為3部分:(1)基礎(chǔ)氣象資料,為研究區(qū)內(nèi)11個(gè)常規(guī)氣象臺(tái)站1971—2004年共34 a逐日降水資料以及風(fēng)向資料;(2)安徽省80年代大別山區(qū)8個(gè)氣候考察站1983年4月1日—1986年3月31日3 a完整的降水和風(fēng)向資料,這8個(gè)氣候考察站中百家山、大化坪、青楓嶺和四望山4個(gè)站位于大別山的北坡,天柱山林場(chǎng)、馬祖庵、蛇形塘和趙公嶺4個(gè)站位于大別山的南坡,海拔在300,500,800和1 000 m左右,很好地彌補(bǔ)了常規(guī)氣象臺(tái)站海拔偏低的不足;(3)與研究區(qū)交界的外省鄰近的商城、麻城和英山3個(gè)氣象臺(tái)站的數(shù)據(jù)。

地理信息資料為研究區(qū)1∶5萬(wàn)數(shù)字高程模型(DEM),以及由DEM 在ArcGIS中生成的坡向、坡度數(shù)據(jù)等。

1.3 研究方法

(1)資料處理。對(duì)8個(gè)氣候考察站的逐日資料進(jìn)行“插值延補(bǔ)”,使其和常規(guī)氣象臺(tái)站具有相同時(shí)間尺度的即34 a(1971—2004年,下同)逐日降水和風(fēng)向資料,具體方法是綜合考慮氣候考察站和其附近常規(guī)氣象臺(tái)站的地形、坡向和距離等因素,確定最合適的常規(guī)氣象臺(tái)站作為參考站,然后把3 a逐日的氣候考察站與這個(gè)最合適的常規(guī)氣象臺(tái)站的相同時(shí)間段的資料進(jìn)行相關(guān)分析,建立回歸模型,并進(jìn)行F檢驗(yàn),再根據(jù)通過檢驗(yàn)的回歸模型和相應(yīng)常規(guī)氣象臺(tái)站34 a的逐日資料把氣候考察站的資料“延長(zhǎng)”至1971—2004年。

(2)“主風(fēng)向效應(yīng)指數(shù)(PWEI,prevailing winddirection effect index)”。坡向與季風(fēng)方向之間的角度是影響山區(qū)降水的關(guān)鍵因素,稱之為“主風(fēng)向效應(yīng)”,為了能夠定量化描述主風(fēng)向效應(yīng),構(gòu)建“主風(fēng)向效應(yīng)指數(shù)”作為變量之一參與降水的插值[7]。PWEI主要通過坡向和當(dāng)?shù)氐闹黠L(fēng)向2個(gè)因子建立。

式中:α——某點(diǎn)的坡向;β——主風(fēng)向。PWEI的值域區(qū)間為0～2,0～1之間為背風(fēng)坡,1～2之間為迎風(fēng)坡,當(dāng)坡向?yàn)棣聲r(shí),PWEI達(dá)到最大值2.0,PWEI綜合了主風(fēng)向和坡向的耦合效應(yīng)。運(yùn)用ARCGIS/GRID模塊在DEM的基礎(chǔ)上,生成坡向柵格(1 km),然后,在坡向柵格中利用PWEI計(jì)算公式和地圖代數(shù)運(yùn)算法計(jì)算產(chǎn)生PWEI柵格。由于采用1 km的較小柵格單元,在復(fù)雜變化的地形條件下,PWEI值的隨機(jī)性較大,噪聲大,為了能夠真實(shí)地反映氣象站及周邊地形的平均狀況,PWEI值取3×3卷積降噪處理,即采用氣象站周邊 9 km2范圍內(nèi)的平均PWEI值,避免因局部地形變異造成的隨機(jī)誤差。

各研究時(shí)段主風(fēng)向由氣象臺(tái)站34 a研究時(shí)段8個(gè)風(fēng)向所占百分比的平均值做風(fēng)向玫瑰圖得出。

(3)降水量空間分布模型。對(duì)山區(qū)降水空間分布的研究必須結(jié)合數(shù)據(jù)本身的特點(diǎn)和空間特性選擇合適的插值方法,需要將隨機(jī)插值方法和確定性方法相結(jié)合[10]。有研究表明[11]統(tǒng)計(jì)回歸模型在研究范圍較小、影響降水分布的地形因子明確時(shí)效果較好。海拔高度是影響山區(qū)降水的關(guān)鍵因素,每個(gè)山體降水與海拔高度都存在特定的關(guān)系,本文海拔高度直接從研究區(qū)DEM中提取。據(jù)研究坡度對(duì)降水最大增幅作用是在45°左右[12-13]。利用DEM數(shù)據(jù)計(jì)算了大別山區(qū)東段1 km×1 km柵格平均坡度處于0°～23°之間,因而在建模時(shí)坡度因子不作為主要自變量因子考慮。最終以氣象站點(diǎn)的經(jīng)度、緯度、高程、主風(fēng)向效應(yīng)指數(shù)為主要自變量因子,降雨量為因變量,建立雨季各月、夏季(6—8月,下同)和雨季(5—9月,下同)的降雨量模型,利用SPSS軟件對(duì)大別山區(qū)東段降水空間分布進(jìn)行多元回歸模擬分析?；貧w模型為:

式中:R——降雨量;ai(i=1～5)——待估計(jì)系數(shù);X ——經(jīng)度;Y ——緯度;H ——高程 ;PWEI——主風(fēng)方向效應(yīng)指數(shù),坡度等非主要自變量因子以及難以確定的其它自變量因子對(duì)降雨量的貢獻(xiàn)體現(xiàn)在系數(shù)a5中[14]。

由于山區(qū)降水隨海拔高度的變化呈現(xiàn)為二次函數(shù)關(guān)系,每個(gè)山體都存在某一降水最大高度[11]。大別山區(qū)東段降雨量和海拔高度的經(jīng)驗(yàn)?zāi)Ｊ綖閽佄锞€型:

式中:Hm——最大降水高度。大別山東段不同季節(jié)的最大降水高度多年平均值為1 160 m,4—6月平均為950 m,7—10月平均為1 360 m,4—10月平均為1 090 m[15]。因此(2)式可改寫為:

(4)降水的空間分布模擬。本文利用ArcGIS強(qiáng)大的空間分析功能,進(jìn)行柵格數(shù)據(jù)的空間分析。在ArcGIS中對(duì)研究區(qū)的經(jīng)度、緯度、高程和相應(yīng)的主風(fēng)向效應(yīng)指數(shù)分別生成1 km×1 km的柵格圖層,再依據(jù)由各月(季)的回歸模型得到的經(jīng)度、緯度、高程和主風(fēng)向效應(yīng)指數(shù)相應(yīng)的系數(shù),運(yùn)用地圖代數(shù)運(yùn)算法在Arc-GIS中疊加生成月(季)的1 km×1 km降水柵格數(shù)據(jù)。

2 結(jié)果與分析

2.1 回歸模型的建立

大別山區(qū)東段5月份最大降水高度為950 m,主風(fēng)向?yàn)镋(90°)。利用最小二乘法原理進(jìn)行系數(shù)ai(i=1～5)估計(jì),在SPSS軟件中進(jìn)行多元回歸分析計(jì)算得系數(shù)分別為:a1=-1.36;a2=-54.75;a3=-4.38E-05;a4=4.26;a5=2 046.94。即5月份回歸模型為:

為了判定回歸模型所有的自變量對(duì)因變量R(降水量)的影響的顯著性,本文采用F檢驗(yàn),由SPSS計(jì)算的F值與對(duì)于給定置信度α(α=0.05)所查出的臨界值進(jìn)行比較:

由此可以看出,上述模型中各自變量對(duì)降水量(R)的影響是顯著的,而且其多元相關(guān)系數(shù)R2為0.87,說明上述方程具有一定的可靠性,可以作為大別山區(qū)東段5月份降水分布的通用模型,用于估計(jì)或模擬大別山區(qū)東段5月份的降水量[16]。

回歸數(shù)據(jù)的檢驗(yàn)。用回歸模型計(jì)算的各氣象站點(diǎn)5月份降水量實(shí)測(cè)值與模擬值及它們之差(殘差)見表1。相對(duì)誤差為:

可以認(rèn)為該模型作為大別山區(qū)東段5月份降水量評(píng)估和模擬模型是可靠的。

用建立5月份降雨量回歸模型同樣的方法建立大別山區(qū)東段6—9月份、夏季和雨季降雨量回歸模型見表2。

以下方程的 F降水量均大于F0.05(4,17)=2.96,相對(duì)誤差(%)均小于10%,可以認(rèn)為以上方程作為相應(yīng)月份(季)降水量模擬模型是可靠的。周鎖銓等[17]對(duì)不同的降水插值方法的精度進(jìn)行了比較,相對(duì)誤差大于10%,有些甚至大于20%。所以,針對(duì)大別山區(qū)東段這個(gè)研究范圍較小,影響降水分布的主要地形因子明確,適當(dāng)增加有效的氣象因子,采用確定的統(tǒng)計(jì)回歸模型的插值方法對(duì)該山區(qū)雨季降水分布模擬取得了較好的效果。

2.2 降水的空間分布模擬

由表2中5—9月份、夏季和雨季的回歸模型,在ArcGIS中分別生成5—9月份、夏季和雨季的1 km×1 km降水柵格數(shù)據(jù)。圖2為5,7,9月份以及雨季1 km×1 km降水柵格圖。

2.3 大別山區(qū)東段雨季降水量空間分布的特征分析

大別山區(qū)東段5—9月各月份與夏季和雨季平均降雨量和極值見表3。

根據(jù)ArcGIS中生成的5—9月份逐月、夏季和雨季1 km×1 km雨量柵格數(shù)據(jù)以及圖2和表3對(duì)大別山區(qū)東段雨季降水空間分布特征進(jìn)行分析。

表1 5月份降水量實(shí)測(cè)值、模擬值及殘差 mm

表2 大別山區(qū)東段5—9月份、夏季和雨季降雨量回歸模型

表3 大別山區(qū)東段雨季降水量空間分布的特征值 mm

圖2 5,7,9月份和雨季1 km×1 km降水柵格圖

從5—9月份逐月雨量柵格數(shù)據(jù)可以看出,大別山區(qū)東段雨季逐月降水量存在不同的分布特征。5—6月份平均降雨量南坡多于北坡,相差明顯;7月份降雨量大,且北坡平均降雨量略大于南坡;8—9月份情況與5—6月份相反,南坡比北坡小,降雨量較小。從夏季和雨季雨量柵格數(shù)據(jù)可以看出,雨季和夏季的降水雖量級(jí)不同,但分布趨勢(shì)相近,無論是南坡、北坡,降水量均以山地谷區(qū)為最大,離開山地谷區(qū)愈遠(yuǎn),減少愈多。如南坡的廬江是桐城降水量的85%左右,北坡霍山到六安減少25%左右。

造成以上雨量分布差異的原因,可歸結(jié)為地形的作用。邊界層山地的擾動(dòng)作用對(duì)大別山區(qū)東段雨季降水分布影響明顯,馮強(qiáng)等[18]認(rèn)為大別山地區(qū)這個(gè)典型的中尺度丘陵高地對(duì)局地中尺度天氣系統(tǒng)具有“阻滯”作用,局地地形是形成中尺度擾動(dòng)的一種外強(qiáng)迫,大別山地區(qū)這種特殊的中尺度地形,在遇到中尺度低值系統(tǒng)時(shí)常使之停滯發(fā)展形成暴雨,暴雨系統(tǒng)在喇叭口地形的迎風(fēng)坡易于發(fā)展,影響降水分布。此外根據(jù)大別山區(qū)東段南北坡雨量差異的環(huán)流分析,雨量的南北坡的季節(jié)變化與大氣環(huán)流的季節(jié)變化一致。5—6月正值安徽省春汛及夏汛季節(jié),暖濕氣流活躍,西南氣流是主要水汽來源,南坡是偏南氣流的迎風(fēng)坡,遇有適當(dāng)?shù)奶鞖庀到y(tǒng)影響,由于地形抬升有利暴雨產(chǎn)生,因而雨量南坡多于北坡;7—9月盛夏季節(jié),安徽省較大降水來自臺(tái)風(fēng)后期的變性低壓及偏東南下的冷空氣,由東部海上帶來的潮濕氣流,首先吹向大別山北坡及東部地區(qū),與適當(dāng)?shù)挠绊懴到y(tǒng)結(jié)合,有利于暴雨產(chǎn)生,這種情況下,北坡產(chǎn)生暴雨的機(jī)率必然大于南坡,從而出現(xiàn)南北坡雨量明顯的季節(jié)性變化。

3 結(jié)論

(1)本文基于GIS技術(shù),引進(jìn)“主風(fēng)向效應(yīng)指數(shù)”和最大降水高度的經(jīng)驗(yàn)?zāi)Ｊ?以確定的因子采用統(tǒng)計(jì)回歸模型的方法對(duì)大別山區(qū)東段雨季降水進(jìn)行了模擬,方法簡(jiǎn)單易行,由于增加了有效的地形因子和氣象因子及其耦合效應(yīng)指數(shù),同時(shí)還考慮最大降水高度,較好地提高了降水模擬的精度,相對(duì)誤差小于10%。

(2)大別山區(qū)東段南北坡雨季雨量存在明顯時(shí)空差異,其原因是受邊界層山地的擾動(dòng)作用和大氣環(huán)流作用共同影響,雨量的南北坡的季節(jié)變化與大氣環(huán)流的季節(jié)變化一致。

(3)本文雖利用相對(duì)高海拔的氣候考察站的數(shù)據(jù),彌補(bǔ)了常規(guī)氣象臺(tái)站海拔偏低的不足,但對(duì)整個(gè)研究區(qū)而言樣本數(shù)仍偏少,且分布不均勻,如果加入質(zhì)量控制后的高密度的自動(dòng)雨量站數(shù)據(jù)建模,山區(qū)降水模擬精度將會(huì)進(jìn)一步提高。近年來安徽省氣象部門在山區(qū)布設(shè)了大量的自動(dòng)雨量站,彌補(bǔ)了固定臺(tái)站的不足,但目前已有自動(dòng)雨量站資料時(shí)間尺度尚不夠,這項(xiàng)工作有待后續(xù)研究。

致謝 安徽省氣象臺(tái)首席預(yù)報(bào)員鄭緩緩正研級(jí)高工對(duì)本文提出的有益建議和幫助,在此深表敬意和感謝！

[1]萬(wàn)曄,司徒群,李子海.滇西北地理環(huán)境特征與區(qū)域水土流失相互作用機(jī)制研究[J].水土保持通報(bào),2003,23(5):1-5.

[2]Ninyerola M,Pons X,Roure J M.A methodological approach of climatological modeling of air temperature and precipitation through GIS techniques[J].Int.J.Climatol.,2000,20(14):1823-1841.

[3]Wothing G,Bouvier C H,Danloux J,Fritsch J M.Regionalization of extreme precipitation distribution using the principal components of the topographical environment[J].J.Hydrol.,2000,233:86-101.

[4]Weisse A K,Bois P.Topographic effects on statistical characteristics of heavy rainfall and mapping in the French Aops[J].J.Appl.Meteorol.,2001,40(4):720-740.

[5]Sevruk B,Nevenic M.The geography and topography effects on the areal pattern of precipitation in a small prealpline basin[J].Wat.Sci.Tech.,1998,37:163-170.

[6]Marquinez J,Lastra J,Garcia P.Estimation models for precipitation in mountainous regions:the use of GIS and multivariate analysis[J].J.Hydrol.,2003,270:1-11.

[7]孫鵬森,劉世榮,李崇巍.基于地形和主風(fēng)向效應(yīng)模擬山區(qū)降水空間分布[J].生態(tài)學(xué)報(bào),2004,24(9):1910-1915.

[8]周長(zhǎng)艷,李躍清,彭俊.九寨溝、黃龍風(fēng)景區(qū)的降水特征及其變化[J].資源科學(xué),2006,28(1):113-119.

[9]蔡福,于慧波,矯玲玲,等.降水要素空間插值精度的比較:以東北地區(qū)為例[J].資源科學(xué),2006,28(6):73-79.

[10]張紅平,周鎖銓.山地降水的空間分布特征研究綜述[J].陜西氣象,2004(6):27-30.

[11]周鎖銓,薛根元,周麗峰,等.基于GIS降水空間分析的逐步插值方法[J].氣象學(xué)報(bào),2006,64(1):100-111.

[12]王菱.華北山區(qū)坡地方位和海拔高度對(duì)降水的影響[J].地理科學(xué),1996,16(2):150-158.

[13]傅抱璞.地形和海拔高度對(duì)降水的影響[J].地理學(xué)報(bào),1992,47(4):302-314.

[14]馬藹乃.地理科學(xué)與地理信息科學(xué)論[M].武漢:武漢出版社,2000.

[15]亞熱帶東部丘陵山區(qū)農(nóng)業(yè)氣候資源及其合理利用研究課題協(xié)作組.中國(guó)亞熱帶東部丘陵山區(qū)農(nóng)業(yè)氣候資源研究[M].北京:科學(xué)出版社,1989.

[16]張宏群,安裕倫.貴州省喀斯特山區(qū)水土流失遙感信息模型的建立[J].水土保持通報(bào),2003,23(5):39-42.

[17]周鎖銓,孫琪,肖桐松,等.長(zhǎng)江中上游區(qū)基于GIS的不同時(shí)間尺度降水插值方法探討[J].高原氣象,2008,27(5):1021-1034.

[18]馮強(qiáng),葉汝杰,王昂生,等.中尺度地形對(duì)暴雨降水影響的數(shù)值模擬研究[J].中國(guó)農(nóng)業(yè)氣象,2004,25(4):1-4.